计算机应用

作者：杨飞, 罗建桥, 李柏林

单位：西南交通大学 机械工程学院, 成都 610031

关键词：铁路扣件分类,监督潜在狄利克雷分布,主题模型,单词标注,目标结构,更新主题分布

基金：四川省科技支撑计划项目（2018GZ0361）。

针对监督潜在狄利克雷分布（sLDA）模型中测试图像缺乏标注，导致测试主题分布忽略目标结构的问题，提出一种结合全局和局部约束的sLDA（glc-sLDA）扣件图像分类模型。首先，人工标注训练图像，并在sLDA模型中学习得到含有结构信息的训练主题分布；然后，计算测试主题分布，将测试图像的类别概率作为全局约束，将测试图像子块与训练图像子块的主题相似程度作为局部约束；最后，以全局和局部约束的乘积为更新权值，对训练主题分布加权求和得到新的测试主题分布，并在Softmax分类器中得到测试图像的分类结果。实验结果表明，glc-sLDA模型能表达扣件结构信息，与sLDA相比，各类别的扣件图像区分性增强，分类误检率减小了55%。

来源：2019年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第3期